圖片來源 @視覺中國

文｜科技新知，作者丨樟稻，編輯丨伊頁

AI Day 大殺四方之后，勢頭頗猛的特斯拉又對自己 " 砍 " 了一刀。

近日，特斯拉宣布，不再在自動駕駛傳感器套件中使用超聲波傳感器（USS），將采用純攝像頭的 "TeslaVision" 系統。對于此次 " 割肉 "，業內免不了又是一番討論，但在爭議之余，未免沒有幾分眼熱。

當下，智能汽車品牌普遍已經把高速公路場景下的輔助駕駛收入囊中，賽場已經逐漸轉換到城市場景，在此基礎上，技術路線被分為三種流派：純視覺；重地圖、輕感知；重感知、輕地圖。

2021 年 7 月，走純視覺路線的特斯拉推送 FSD Beta V9.0，新增城市道路 NOA，成為全球首家實現城區 NOA 的車企。如今特斯拉更是去掉超聲波雷達，無疑把差距進一步拉大。

回到后兩種路線上，近期，由于高精地圖監管收嚴，可以觀察到，更多自動駕駛公司正在探索 " 重感知、輕地圖 " 路線，甚至還出現了爭搶路線首名的情況。

某種程度上，特斯拉也屬于 " 重感知、輕地圖 " 的范疇，前者同樣不采用高精地圖，只不過在感知層面較為純粹，而在共性的算法層面，靠齊特斯拉不失為一條捷徑。倘若從這個角度來看，特斯拉的 " 牙慧 "，會成為 L2 進城的解藥嗎？

高精地圖，" 拐杖 " 被拋棄

做個簡單的統計，近期許諾向市場推送城市領航輔助駕駛功能的車企至少有三家：

8 月 26 日，成都車展上，長城魏牌表示城市 NOH 智能輔助駕駛將率先在摩卡 DHT-PHEV 激光雷達版搭載，2022 年 9 月量產，年內發售。

9 月 17 日，小鵬汽車官方微博表示向部分廣州車主推送城市 NGP 功能；9 月 23 日，極狐與華為合作的阿爾法 S HI（Huawei Inside）版在深圳推送城區 NCA 功能。

當下，高速公路場景下的輔助駕駛已經不是新鮮事，或多或少，車企需要新的產品來 " 鎮場子 "，而城市領航輔助駕駛功能，就是被爭搶的香餑餑。

按照慣例，此前高速場景離不開的高精地圖，如今想 " 進城 "，配套的高精地圖更是必不可少。

根據《智能網聯汽車高精地圖白皮書》，高精地圖所蘊含的信息豐富，含有道路類型、曲率、車道線位置等道路信息，以及路邊基礎設施、障礙物、交通標志等環境對象信息，同時包括交通流量、紅綠燈狀態信息等實時動態信息。

業內普遍認為，城市領航的體驗度十分依賴城市高精地圖，甚至有一種說法，高精地圖是智能駕駛的兩根拐杖之一。拿極狐來說，其依靠合作方華為獲得高精度地圖支持。

如今，高精地圖這根拐杖頗有些不牢靠。

受限于成本考量：首先，高精地圖的數據很看重覆蓋度，但全國的城市道路可不是一個小的工作量；其次，還需要解決鮮度問題。目前絕大多數自動駕駛系統對高精度地圖的鮮度和品質都有很高的要求，但圖商們在鮮度上并未能讓車企滿意。更致命的資質問題不必多說。

在此基礎上，為了搶占 " 進城 " 風口期，" 重感知，輕地圖 " 路線被更多車企注意。

典型的是毫末智行，其城市 NOH 系統包含了 2 顆 125 線激光雷達，5 顆毫米波雷達，12 顆超聲波雷達，4 顆環視攝像頭，4 顆側視攝像頭，4 顆 800 萬像素感知攝像頭，以此來擺脫高精地圖的限制。

就連之前 " 重地圖，輕感知 " 的路線小鵬也在開始轉舵。拿剛上市的小鵬 G9 來說，其 Max 車型標配 XNGP 智能輔助駕駛系統，"XNGP 系統重感知且不依賴高精度地圖，無論有圖無圖，都可以運行。"

根據以一己之力改變小鵬策略的博主 @blood 旌旗披露，" 小鵬大約會在 23 年下半年 -24 上半年，實現「輕地圖、重感知」的城區高階輔助駕駛。而且確認：感知系統以視覺為主，激光雷達用來避障。"

實際上，早在今年七月對何小鵬的一期專訪里，被問及高精地圖海外資質的問題，何小鵬間接回應了路線方向，" 隨著時間的過去，我們很快在沒有高精地圖的車上，我們也全兼容。"

除此之外，輕地圖路線還混進來一個 " 野蠻人 "：大疆車載。媒體口徑下，上汽通用五菱與大疆的首款合作車型—— 2023 款 KiWi EV，只用一套 "1 前視雙目 +4 環視魚眼 +1 前向毫米波雷達 +12 超聲波雷達 " 的硬件組合，就能實現城市道路場景的駕駛輔助。

總的來說，在技術路線選擇上，高精地圖這根 " 拐杖 " 似乎要被拋棄掉了。

L2 進城，還得靠齊特斯拉？

盡管大家都在媒體層面都在拋棄高精地圖，但失去這根 " 拐杖 " 后，想要走好 " 重感知 " 路線并不是那么輕松的，硬件層面的缺失自然需要智能算法層面的補位才行。

作為自動駕駛技術體系之一，算法的有效性影響自動駕駛的每一個環節，從感知環節的特征提取到神經網絡的決策，都需要依賴算法改進來提高障礙物檢測準確性和復雜場景下的決策能力。

目前，以 Transformer 為代表的大模型是自動駕駛算法的重要發展方向。

Transformer 最早由谷歌在 2017 年提出，首先被應用在自然語言處理領域（NLP），用來處理序列文本數據。在自然語言處理領域取得廣泛應用后，Transformer 也被成功移植到計算機視覺（CV）領域。

注意到 Transformer 的神奇之處，特斯拉率先拿去在自動駕駛行業應用。2021 年特斯拉的 AI Day 上，自動駕駛技術負責人 Andrej Karpathy 公開了 FSD 自動駕駛系統中采用的算法，而 Transformer 正是其中最核心的模塊之一。

根據中金《人工智能十年展望（三）：AI 視角下的自動駕駛行業全解析》披露：特斯拉從安裝在汽車周圍的八個攝像頭的視頻中用傳統的 ResNet 提取圖像特征，并使用 Transformer、CNN、3D 卷積中的一種或者多種組合完成跨時間的圖像融合，實現基于 2D 圖像形成具有 3D 信息輸出。

由于 Transformer 可以很好地在空間 - 時序維度上進行建模，且在多模態融合方面具備較大優勢，國內也有廠商將 Transformer 引入自動駕駛系統中，比如毫末智行。

和特斯拉純視覺方案不一樣的是，毫末智行是視覺 + 激光雷達方案。根據毫末智行最新一期 AI DAY 上表述，依托長城汽車的量產能力，毫末智行積累了海量的行駛數據，并且通過其數據智能體系 MANA 與基于 Transformer 的超大型神經網絡進行有機地結合。

其中在 Transformer 應用上，簡單來說，毫末智行基于 Transformer 的感知算法應用到實際的道路感知問題，如車道線檢測、障礙物檢測、可行駛區域分割、紅綠燈檢測 & 識別、道路交通標志檢測、點云檢測 & 分割等。

基于毫末智行和特斯拉的技術共性，可以得出結論，隨著前方道路逐漸清晰，車企的技術路線正在走向趨同。

不過隨著路線趨于明朗，行業也出現了迥異一幕。

在今年 8 月 7 日的媒體發布會上，智行者發布高速領航系統 H-INP，按照智行者的說法，這是 " 國內首家不依賴高精地圖的高級別自動駕駛解決方案 "。

在具體技術路徑上，智行者設計了一套重感知的智能駕駛算法架構，關鍵點包括：重感知，輕地圖、基于 BEV 多傳感器時空融合感知框架、基于 Transformer 的多傳感器特征和多視角特征融合機制。

有業內人士對此戲謔道，" 特斯拉：要不你們直接播放我們 AI Day 的發布會視頻得了。"

回到 Transformer 上，雖然特斯拉不是造輪子的那個，但的確是第一個拿來解決自動駕駛問題的。在商言商，在技術路線上合流本無可厚非，但缺乏個性照搬確實難以挽尊。

可以看到，就在近日的 AI Day，特斯拉又搞出了些新活，例如去年的關鍵詞還是 BEV、Transfomer 和 Hydranet，今年搖身一變為 Occupancy Network、Lane & Objects，技術迭代能力驚人。

那么對于拾特斯拉 " 牙慧 " 的廠商而言，新的問題就出現了，正如知乎用戶 RobotDreamer001 發出的疑問：

" 國內大部分自動駕駛公司的 BEV 方案目前尚未工程化，Tesla 跳躍式的轉入 occupancy network+NERF 給國內同行出了大難題，究竟跟還是不跟？尤其一些正在做 BEVTransformer 的同學會比較糾結了。"（ps：以上結論基于其他車企相關的分享過于有限）

寫在最后

近期，眾多廠商紛紛在國內開放了部分城市的領航輔助駕駛功能作為試點。

拿小鵬和極狐來說，《九章智駕》猜測兩家均是先采用極其極其極其極其個別的友好用戶（每家普通消費者數目得到體驗入場券的人不會超過小幾十個人，基本上選中了就可以回家買彩票了）優先體驗的方式打開城區導航智能駕駛。

至于蔚來、理想等廠商，均未見量產產品蹤影。

各家在釋放城區導航駕駛上非常謹慎可以理解，畢竟從高速到城市的自動駕駛難度系數顯著增長——半封閉、道路結構化的高速場景復雜度較低，更易于智能駕駛功能量產落地，而城市路況復雜度高，行人、車輛等道路因素較多，更易出現 Corner case。

此外，在現實出行層面，對于量產車而言，坐在駕駛位上的是普通消費者，而不是 " 久經考驗 " 的智能駕駛公司的 Test-Driver 們，消費者對于系統表現的預見性與車輛操控的熟練度遠遠比不上后者。

根據中金測算，目前受制于相關政策不健全、技術落地難等問題，適配城區的高階駕駛輔助功能滲透率不高，隨著激光雷達硬件裝配率提升，2021-2025 年期間，國內城市領航輔助前裝市場規模有望從 8 億元，提升至 119.5 億元，期間 CAGR 達 96.9%。

對此，希望車企關注其輔助駕駛技術能否成為營銷噱頭、是否會落后于其他品牌時，把一切風險都降到最低，而不是長篇累牘地在用戶手冊使用條例上下功夫。